01 触发事件

2026 年 6 月 18 日，Bloomberg Technology 报道视频平台 Rumble 推出新的 AI 平台 Quake AI，Rumble CEO Chris Pavlovski 在节目中明确说，这个新板块将 cloud、compute 与 AI infrastructure 合并，并预计会成为公司业务版图中的主导板块。

这不是一篇文字稿，而是 Bloomberg 的视频采访，公开信息密度有限；我没看到更完整的产品参数、集群规模、GPU 型号、客户名单或定价表，所以对其技术成熟度的判断只能先打折。

但即便信息有限，有一个事实已经足够清楚：Rumble 不再只是把自己定义成“视频平台”，而是在资本市场与客户沟通里，主动把自己重写成 AI compute 供应商。

这才是这条新闻真正值得看的地方。

单看表面，它像是又一家非 AI 主业公司宣布“进军 AI”。问题不在“又有一家”，而在“为什么是现在，以及为什么是 compute”。

Bloomberg 给出的核心信息是：

Rumble is jumping on the AI bandwagon with its newest AI platform. Launching as Quake AI, the new sector combines cloud, compute, and AI infrastructure, and is slated to dominate the company’s business segment.

如果只按 PR 阅读，这句话几乎没有营养。

但如果把它放回 2026 年的供给侧语境里，它其实在说：哪怕不是 hyperscaler，不是 frontier lab，不是传统 GPU 云头部玩家，也开始相信 AI compute 需求足以支撑新的公司叙事、资本开支与客户获取逻辑。

02 这事的真正含义

真正的含义不是 Rumble 发布了一个 AI 平台。

真正的含义是，AI infra 这条链条正在吸走越来越多“原本不该在这里的人”。

过去两年，行业默认的供给侧格局大致是三层：最上游是 NVIDIA 这类加速卡与 networking 供应商；中间是 hyperscaler 与 specialized GPU cloud；再往下才是 model provider、API aggregator、应用层。Rumble 这种公司理论上处在完全不同的位置，它的历史资产是流量、视频分发、内容平台与一定程度的 cloud 基础设施，而不是 AI training cluster 的心智占位。

现在它选择押注 Quake AI，说明市场已经出现一个足够诱人的判断：只要你有 data center 运营能力、有一定 cloud 能力、有融资窗口，就值得把自己重新包装成 AI compute 资产。

这很像 AI 版的“机房资产金融化”。

我没在内部跑过 Quake AI，也不知道它是主打 bare metal、GPU 租赁、托管推理，还是更高层的 managed AI platform。但从 Bloomberg 这句“combines cloud, compute, and AI infrastructure”看，它至少不想只做最低层的机器出租，而是想把叙事抬到完整 AI infra 栈。

这里有两个非显然判断。

第一，供给侧的竞争已经从“谁有 GPU”转向“谁能卖出一套可信的 AI 供给故事”。

GPU 本身当然重要，但客户买的不是卡，买的是 capacity certainty、throughput、网络稳定性、交付时间、合规位置、成本曲线和支持能力。很多二线玩家进入市场，不是因为他们技术领先，而是因为 frontier 模型需求把整个市场的容量门槛抬高了，导致“次优供给”也开始有商业价值。

第二，AI compute 正在从稀缺资源，部分演化成可被重新分销的资产类别。

这点对 builder 很关键。你面对的未来不一定是少数几家云厂商垄断所有推理资源，而更可能是：一批拥有机房、网络、政企关系、地方电力资源或资本市场融资能力的公司，开始把 AI 算力打包出售。真正会被定价的，不只是 FLOPS，而是可用性、地域、网络、延迟 SLA、模型兼容性，以及 billing 的灵活度。

换句话说，Quake AI 不是一个产品新闻，它是一个供给信号。

03 历史类比 / 结构对照

更接近的历史类比，不是 2022 年 ChatGPT，而是 2014 年前后的 AWS 外溢效应。

当年很多公司并不是要“发明云”，而是突然意识到：计算资源不再只是内部 IT 成本中心，而是可以被产品化、按需出售、被资本市场高估值定价的业务。云的伟大之处，不只在技术，而在它把原本属于内部效率系统的东西，变成了对外收入引擎。

Rumble 现在做的事，有点像小一号、晚一轮的版本。

它原本服务自己视频业务所积累的 cloud 与 infrastructure 能力，如果足够模块化，就可以被重新叙述成 AI compute 产品。问题不在它是不是最强，而在它是否能把“已有基础设施”转译成“外部客户愿意购买的 AI capacity”。

这也是 aggregation theory 视角下很有意思的一点：传统互联网平台的价值往往来自 demand aggregation，也就是用户、流量、内容、广告主。但 AI infra 的价值更偏向 supply aggregation，谁能把电力、机房、GPU、调度、运维、模型部署能力聚合起来，谁就能在新链条里占一个位置。

Rumble 的 pivot，某种意义上是在承认旧 aggregation 的天花板。

视频平台要赢，通常要打内容、creator、distribution、广告系统与监管关系；AI infra 则是另一套游戏，拼的是 capex、资源获取、交付能力与 uptime。前者是流量生意，后者是工业生意。

这也是 Grove 式 inflection point 的典型特征：旧业务并没有立刻死，但管理层开始相信，未来决定公司命运的变量已经换了。

我可能高估了 Rumble 的执行能力，毕竟从视频平台切到 AI infra，组织能力迁移并不自然；但战略信号已经非常明确，它押的是“基础设施比内容平台更值得被重新定价”。

04 对 AI builder 意味着什么

对 AI builder 来说，这条新闻不意味着“去买 Rumble 股票”，而意味着接下来这周、这个月，采购和架构决策要更现实。

第一，不要默认 AI compute 只能从头部云拿。

如果像 Rumble 这样的玩家都在推出 AI infra，新一轮供给扩张大概率会带来更多二级渠道、区域性云、垂直托管商和混合部署方案。尤其是中大规模推理 workloads，未来可能出现比 hyperscaler 更便宜、但服务颗粒度更粗的选择。

第二，model access 与 compute access 会重新耦合。

过去不少团队把 API 层和底层算力层分开思考：模型选 OpenAI、Anthropic、Google，算力则完全不关心。但开源模型持续进步后，推理栈正变成一个可以优化的成本中心。谁能更便宜地拿到 H100、B200、TPU 或替代芯片 capacity，谁就有机会做 routing、私有部署、batch inference、prompt caching 和长上下文服务。

这也是像 opcx.ai 这类 token 网关平台真正应该盯的地方：未来的 moat 可能不只在上游模型接入数，而在于你能否把碎片化供给侧能力抽象成稳定 API 体验。

第三，价格战大概率会先发生在“看不见的地方”。

不是所有玩家都会直接降每百万 token 价格。更常见的是给 committed spend 折扣、给 overnight batch 更低费率、给 dedicated throughput、给更高 cache hit 激励，或者干脆提供模型+算力打包。Builder 如果只盯着公开价目表，通常会错过真正的套利空间。

第四，把 infra vendor 尽调做得像 model vendor 尽调。

以后你评估供应商，不能只问“支不支持 vLLM、SGLang、TensorRT-LLM、MCP tool calling”。还要问：

  • GPU 代际与网络拓扑是什么
  • 多租户还是单租户
  • 交付 region 在哪
  • 是否支持 reserved capacity
  • KV cache 策略与 prefix caching 怎么计费
  • 故障时切换路径是什么

我没拿到 Quake AI 的这些细节，所以没法判断它是否具备一线采购资格。但这不影响更大的结论：供应商池正在扩大，builder 的采购能力会直接影响毛利。

05 反方观点 / 风险

最值得反对我自己的地方在于：Rumble 也可能只是借 AI 叙事做估值管理，而不是一个真正有竞争力的 AI infra 进入者。

这不是小风险，而是核心风险。

Bloomberg 目前披露的信息极少，没有看到集群规模、客户 traction、单价、利用率、训练 vs inference 占比，也没有看到任何能证明 Quake AI 已经跨过“PR 产品”阶段的硬数据。没有这些，判断它能否“主导公司业务板块”其实很悬。

第二个风险是，AI compute 市场并不天然欢迎新进入者。

这个市场看起来很热，但实际极其残酷。你要面对硬件采购周期、折旧、融资成本、供电、散热、网络、调度软件、客户成功、SLA 赔付，以及最难的——利用率管理。没有稳定 workload，再便宜的 GPU 也是沉没成本。

第三个风险是，hyperscaler 与 frontier lab 的垂直整合会压缩中间层。

如果 OpenAI、Google、Anthropic 越来越多地把高价值 workload 锁在自己的云栈里，或者与 Oracle、CoreWeave、AWS、Azure 形成更紧密绑定，那么 Rumble 这类玩家就容易卡在尴尬位置：既拿不到最优模型分发权，也拿不到最稳定的大客户需求。

第四个风险是，供给扩张未必等于利润扩张。

历史上太多基础设施行业都证明了这一点：当市场相信需求无限大时，最容易发生的不是超额利润，而是过度投资。今天所有人都在押 AI compute 缺口，但如果 12 到 24 个月后推理效率因 MoE、量化、KV cache 优化、专用 ASIC 或更强 routing 而显著提升，很多新增 capacity 可能很快变成普通资产，而不是稀缺资产。

所以我的主判断不是“Rumble 会赢”。

我的判断是更窄的：连 Rumble 这样的公司都在改写自己为 AI infra 叙事，这说明市场已经进入一个阶段——算力不再只是大厂内部资源，而是会被越来越多公司包装、分销、重新定价。

问题不在 Quake AI 本身强不强。

问题在于，AI compute 这件事，已经从几家巨头的后勤系统，变成整个行业最想占位的生意。